\n<\/p>\n
En el campo<\/span> de la inform\u00e1tica, quiz\u00e1s no haya tarea m\u00e1s fundamental que ordenar. Burbujee, amontone, fusione: elija. Los m\u00e9todos para reordenar datos dentro de una computadora han sido teorizados hasta la saciedad, sirvieron como ejercicios de pr\u00e1ctica para millones de novatos y han sido optimizados durante d\u00e9cadas por desarrolladores expertos. Escriba una funci\u00f3n sort() en cualquier lenguaje de programaci\u00f3n, y es un c\u00f3digo en el que puede confiar. No lo toques. Ya funciona muy bien.<\/p>\n Pero el a\u00f1o pasado, un sistema de inteligencia artificial desarrollado por ingenieros de Deepmind de Google mejor\u00f3 lo suficiente como para ser importante. El sistema, que Deepmind llama AlphaDev, se encarg\u00f3 de idear una nueva forma de clasificar secuencias cortas en n\u00fameros en C++, el popular lenguaje de codificaci\u00f3n. Significaba ir bajo el cap\u00f3 y hacer que la IA construyera nuevos algoritmos en c\u00f3digo ensamblador, las instrucciones que cierran la brecha entre los lenguajes de programaci\u00f3n como C++ y el hardware de la computadora. Cuando un desarrollador de C++ le dice a la computadora que \u00abclasifique\u00bb, esos comandos se convierten en un c\u00f3digo legible por m\u00e1quina que le dice a la memoria y al procesador de una computadora exactamente qu\u00e9 hacer: d\u00f3nde mover los datos y c\u00f3mo cambiarlos. Es donde los bits se encuentran con el metal.<\/p>\n El experimento funcion\u00f3. Desde abril del a\u00f1o pasado, C++ se ha estado ejecutando un poco m\u00e1s r\u00e1pido, gracias a un nuevo conjunto de algoritmos de clasificaci\u00f3n inventados por IA. Pero seg\u00fan los ingenieros de AlphaDev, quienes describieron el trabajo hoy en Naturaleza<\/em>, ese es solo el primer paso. \u201cQueremos optimizar toda la pila inform\u00e1tica\u201d, dice Daniel Mankowitz, cient\u00edfico investigador del personal de Deepmind que dirigi\u00f3 el proyecto de clasificaci\u00f3n. Mankowitz dice que AlphaDev ya ha mejorado los algoritmos no solo para la clasificaci\u00f3n, sino tambi\u00e9n para otras tareas b\u00e1sicas como el hash.<\/p>\n \u201cCreo que este trabajo es incre\u00edblemente emocionante\u201d, dice Armando Solar-Lezama, experto en s\u00edntesis de programas del MIT, que no particip\u00f3 en la investigaci\u00f3n. Es \u00fatil que AI presente un nuevo algoritmo de clasificaci\u00f3n; es mucho m\u00e1s importante construir una IA que pueda aprender a escribir c\u00f3digo de \u00faltima generaci\u00f3n en una variedad de tareas, dice. Eso significa que AlphaDev ha comenzado a aprender algo m\u00e1s fundamental sobre el arte de la codificaci\u00f3n en s\u00ed.<\/p>\n Eso viene con limitaciones significativas, por supuesto. \u201cEstos son programas muy, muy peque\u00f1os\u201d, agrega, que suman no m\u00e1s de unas pocas docenas de instrucciones en c\u00f3digo ensamblador. Pero esos peque\u00f1os programas a menudo representan grandes cuellos de botella para el rendimiento de la computadora, ya que han sido optimizados en la medida en que las personas pueden presionarlos. En general, los nuevos algoritmos de clasificaci\u00f3n C++ de AlphaDev son un 1,7 por ciento m\u00e1s eficientes que los m\u00e9todos anteriores al clasificar largas secuencias de n\u00fameros y hasta un 70 por ciento m\u00e1s r\u00e1pidos para secuencias de cinco elementos. A escala, estas mejoras se suman, dice Mankowitz. Desde que el c\u00f3digo escrito por IA se envi\u00f3 a Libc++, una importante biblioteca de c\u00f3digo abierto para C++, estima que los algoritmos se han utilizado billones de veces al d\u00eda.<\/p>\n Esas mejoras se deben a una t\u00e9cnica llamada aprendizaje por refuerzo, que es el mismo enfoque que se utiliza para ayudar a la IA de Deepmind a dominar juegos como el ajedrez y el Go. Este tipo de IA aprende haciendo. Funciona al tratar una tarea determinada, como escribir un programa de ensamblaje, como un juego, en el que la IA recibe recompensas por realizar movimientos inteligentes que aumentan la eficiencia del programa. Con el tiempo, el sistema funciona para maximizar esta recompensa, lo que da como resultado una estrategia Go ganadora o un programa de ensamblaje m\u00e1s r\u00e1pido. Esto difiere del tipo de IA que se encuentra en modelos de lenguaje grandes como GPT-4, que se basan en grandes cantidades de datos para aprender a escribir palabras o codificar. Eso es excelente para producir escritura que refleje el tono de Internet o para producir segmentos comunes de c\u00f3digo. Pero no es tan bueno para producir soluciones novedosas y de vanguardia para los desaf\u00edos de codificaci\u00f3n que la IA nunca antes hab\u00eda visto.<\/p>\n<\/div>\n